3.9 Πίνακας συνδιακύμανσης των παραμέτρων

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "3.9 Πίνακας συνδιακύμανσης των παραμέτρων"

Transcript

1 Στην περίπτωσή µας έχοµε p= 1περιορισµό της µορφής : που γράφεται ως : ' = m + m z ' (3.47) 1 m Fm 1 = [1 z '] = [ '] = h m. (3.48) Η εξίσωση 3.46 στην περίπτωση αυτή χρησιµοποιώντας τους πίνακες που είδαµε στην παράγραφο γράφεται ως : N Σzi 1 m 1 Σi zi zi z ' m zi Σ Σ = Σ i 1 z ' 0 λ ' (3.49) και ο υπολογισµός των παραµέτρων και του µοναδικού συντελεστού Lagrange δίδεται από τη σχέση : est m 1 N Σzi 1 Σi est m zi zi z ' zi = Σ Σ Σ i λ 1 z ' 0 ' (3.50) 3.9 Πίνακας συνδιακύμανσης των παραμέτρων Όταν είναι γνωστά τα στατιστικά χαρακτηριστικά των µετρήσων, µπορούµε να εκτιµήσουµε ανάλογα χαρακτηριστικά των παραµέτρων παρατηρώντας ότι οι σχέσεις που συνδέουν παραµέτρους και µετρήσεις είναι γραµµικές, της µορφής est m = M+ v, (3.51) µε Μ κάποιο πίνακα και v ένα διάνυσµα. Εάν υποθέσοµε λοιπόν ότι τα δεδοµένα έχουν µία κατανοµή που χαρακτηρίζεται από ένα πίνακα συνδιακύµανσης [cov ] οι εκτιµήσεις των παραµέτρων θα έχουν ένα πίνακα συνδιακύµανσης [cov m] = M[cov ] M (3.5) και συνεπώς ανάλογα µε την περίπτωση να υπολογίσουµε την συνδιακύµανση των παραµέτρων µε άµεσο τρόπο. Η απλούστερη περίπτωση είναι εκείνη για την οποία τα δεδοµένα είναι ασυσχέτιστα και έχουν όλα την ίδια διακύµανση [cov ] = 37 σ. Τότε σ Ι και ανάλογα µε την περίπτωση υπολογίζοµε τους πίνακες

2 συνδιακύµανσης. Θα αναφερθούµε στη συνέχεια ως παραδείγµατα σε δύο περιπτώσεις : Λύση ελαχίστων τετραγώνων : Ισχύει : est m = G G G συνεπώς M= G G G και από την 3.5 παίρνοµε : [cov m] = [[ G G] G ] σ I[[ G G] G ] = σ [ G G ] (3.53) Λύση ελαχίστου µήκους : Ισχύει : est m G GG συνεπώς = = M G GG και από την 3.5 παίρνοµε : [cov m] = [ G [ GG ] ] σ I[ G [ GG ] ] = σ G [ GG ] G (3.54)

3 4. ΓΕΝΙΚΕΥΜΕΝΟΙ ΑΝΤΙΣΤΡΟΦΟΙ ΠΙΝΑΚΕΣ Μέχρι τώρα, ασχοληθήκαµε µε λύσεις γραµµικών αντιστρόφων προβληµάτων που est εκφράζονται µε σχέσεις της µορφής : m = M+ v. Ο πίνακας Μ και το διάνυσµα v δεν εξαρτώνται από τα δεδοµένα. Ειδικά για τον πίνακα Μ µπορούµε να πούµε ότι λειτουργεί ως πίνακας-τελεστής που πολλαπλασιάζει τα δεδοµένα για να προκύψουν οι προς ανάκτηση παράµετροι. Με αυτή την έννοια µπορεί να ονοµαστεί γενικευµένος αντίστροφος (gemeralize inverse) καθώς λειτουργεί µε ανάλογο τρόπο που σε ένα καλώς τεθειµένο γραµµικό πρόβληµα της µορφής Ax = πολλαπλασιάζει ο διάνυσµα των δεδοµένων για να προκύψει το x : x= A το A. Ο συµβολισµός του είναι g M = G αφού αναφέρεται στο γενικό αντίστροφο πρόβληµα Gm =. Η µορφή του γενικευµένου αντιστρόφου όµως εξαρτάται από την λύση που έχοµε επιλέξει. Ως εφαρµογές αναφερόµαστε στις περιπτώσεις ελαχίστων τετραγώνων και ελαχίστου µήκους που είδαµε στο ακριβώς προηγούµενο Κεφάλαιο, απλά για να εισαγάγουµε τον συµβολισµό του γενικευµένου αντιστρόφου στον πίνακα Μ. Λύση ελαχίστων τετραγώνων : Ισχύει : est m = G G G συνεπώς g G = G G G = M Λύση ελαχίστου µήκους : Ισχύει est m G GG συνεπώς = g G = G GG = M Αξίζει να παρατηρήσουµε ότι ο γενικευµένος αντίστροφος δεν είναι τετραγωνικός πίνακας (µε την εξαίρεση ενός καλώς τεθειµένου προβλήµατος) και φυσικά δεν διαθέτει τις ιδιότητες ενός αντίστροφου πίνακα. 4.1 Πίνακας ανάλυσης δεδομένων Ας υποθέσοµε ότι σε κάποιο γραµµικό αντίστροφο πρόβληµα της µορφής Gm = έχοµε ορίσει ένα γενικευµένο αντίστροφο πίνακα g G οπότε οι προς est g ανάκτηση παράµετροι υπολογίζονται από τη σχέση : m = G. Εάν χρησιµοποιήσοµε το διάνυσµα αυτό στην εξίσωση ορισµού του αντιστρόφου προβλήµατος θα πάροµε ένα διάνυσµα το οποίο όπως έχοµε δει το συµβολίζοµε µε pre και είναι διαφορετικό από το διάνυσµα των µετρήσεων για το οποίο obs χρησιµοποιούµε το συµβολισµό. Τα στοιχεία του θα τα χαρακτηρίσοµε «προβλέψεις» (preictions) των µετρήσεων. Το διάνυσµα των προβλέψεων λοιπόν µε βάση τα παραπάνω θα δίδεται από τη σχέση : 39

4 pre est g obs g obs obs = Gm = G[G ] = [ GG ] = N (4.1) g Ο πίνακας N = GG είναι τετραγωνικός πίνακας N x N και ονοµάζεται «πίνακας ανάλυσης δεδοµένων» (ata resoltion matrix). Ο πίνακας αυτός περιγράφει το πόσο καλά οι παράµετροι που ανακτήθηκαν δίδουν προβλέψεις µετρήσεων που προσεγγίζουν τις πραγµατικές µετρήσεις. Προφανώς όταν N = Iτότε και και το λάθος πρόβλεψης είναι µηδενικό. pre obs =, Τα στοιχεία του πίνακα ανάλυσης δεδοµένων µας δίδουν σηµαντική πληροφορία σχετικά µε τη σηµασία «γειτονικών» µετρήσεων σε σχέση µε την ανάκτησή τους µέσω του διανύσµατος των εκτιµηθέντων παραµέτρων. Εάν για παράδειγµα για κάποια µέτρηση µε δείκτη i έχοµε το στοιχείο του πίνακα N ii = 1, τότε η µέτρηση ανακτάται ακριβώς από τις εκτιµηθείσες παραµέτρους. Σε διαφορετική περίπτωση θα ισχύσει µία σχέση της µορφής : = (4.) N pre obs i Nij j j= 1 και η εκτίµηση της µέτρησης i θα προκύψει ως ζυγισµένη µέση τιµή όλων των µετρήσεων. Ιδανικά ο πίνακας Ν στην περίπτωση που οι µετρήσεις αφορούν διαδοχικές φυσικές µεταβλητές (όπως π.χ. στην περίπτωση του υπολογισµού της εξίσωσης ευθείας όταν οι µετρήσεις γίνονται σε διαδοχικές τετµηµένες,) είναι λωριδωτός µε κυριαρχική διαγώνιο και µειούµενες τιµές εκτός διαγωνίου (δείτε σχήµα 4.1) οι µετρήσεις ανακτώνται ικανοποιητικά και η ανάλυση θεωρείται καλή. Εάν όµως υπάρχει µεγάλη διασπορά γύρω από την διαγώνιο, η ανάκτηση των µετρήσεων δεν θεωρείται ικανοποιητική. Μερικές φορές το διάνυσµα της διαγωνίου του πίνακα Ν, = iag( N ) χαρακτηρίζεται ως σηµαντικότητα (importance) των δεδοµένων. Αξίζει να παρατηρήσοµε ότι ο πίνακας ανάλυσης δεδοµένων δεν σχετίζεται µε τις πραγµατικές τιµές των µετρήσεων, αλλά µόνο µε το µοντέλο του προβλήµατος, δηλαδή µε τον πίνακα G καθώς και µε κάθε περιορισµό η εκ προοιµίου πληροφορία διαθέτουµε για τη λύση του αντιστρόφου προβλήµατος. Υπολογίζεται συνεπώς πριν γίνουν οι µετρήσεις και µπορεί να αποδειχθεί ιδιαίτερα χρήσιµος στο σχεδιασµό ενός πειράµατος, όπως θα δούµε µε ένα παράδειγµα στη συνέχεια. 40

5 Σχήµα 4.1 Σχηµατική διάταξη των στοιχείων του πίνακα ανάλυσης δεδοµένων. Η διακεκοµµένη γραµµή αντιστοιχεί στη διαγώνιο του πίνακα. (Σχήµα από παραδόσεις του Menke). 4. Πίνακας ανάλυσης παραμέτρων Εντελώς ανάλογα µπορούµε να δούµε την ποιότητα των εκτιµηθέντων παραµέτρων ως προς τις «πραγµατικές» παραµέτρους ενός προβλήµατος. Οι πραγµατικές παράµετροι σε ένα ντετερµινιστικό φυσικό πρόβληµα ασφαλώς υπάρχουν αλλά δεν µπορούµε να είµαστε σίγουροι ότι ανακτώνται επακριβώς µέσω της επίλυσης ενός αντιστρόφου προβλήµατος για το οποίο έχοµε πει ότι γενικά δεν είναι καλώς τεθειµένο. Έχει λοιπόν σηµασία να δούµε εκ προοιµίου εάν η ανάκτηση που επιχειρούµε µπορεί να µας δώσει πληροφορία για την ποιότητά της. Με άλλα λόγια να δούµε εάν οι διακριτές παράµετροι ενός αντίστροφου προβλήµατος µπορούν να ανακτηθούν επακριβώς. Η λογική είναι αντίστοιχη µε εκείνη που είδαµε στο προηγούµενο κεφάλαιο. Θα ξεκινήσουµε θεωρώντας ότι υπάρχει ένα διάνυσµα που πρέπει να λύνουν το πρόβληµα tre m πραγµατικών παραµέτρων tre obs Gm =. εδοµένου ότι η λύση του est αντίστροφου προβλήµατος δίδει εκτιµήσεις των παραµέτρων m µε κάποιο τρόπο που έχοµε επιλέξει, έχει ενδιαφέρον να δούµε την εκτιµώµενη διαφορά ανάµεσα στις πραγµατικές και τις εκτιµώµενες παραµέτρους. Ακολουθώντας τη λογική που µας οδήγησε στην 4.1 έχοµε : est g obs g tre g tre tre m = G = G [Gm ] = [ G G] m = Rm (4.3) 41

6 Τώρα έχοµε ορίσει ένα πίνακα διαστάσεων Μ x Μ που χαρακτηρίζεται ως «πίνακας ανάλυσης παραµέτρων» (moel resoltion matrix). Εάν R=Ι κάθε παράµετρος υπολογίζεται µονοσήµαντα. Εάν ο R είναι ένας πυκνός πίνακας, τότε οι µεµονωµένες παράµετροι δεν µπορούν να υπολογιστούν µονοσήµαντα. Τέλος, εάν οι παράµετροι έχουν κατά σειρά κάποια φυσική σηµασία (π.χ. εάν πρόκειται για διακριτές τιµές µιας φυσικής παραµέτρου που εκφράζεται ως συνεχής συνάρτηση), διαγράµµατα που παριστούν τις µεταβολές τιµών των σειρών του πίνακα R, υποδηλώνουν τη δυνατότητα αξιόπιστης ανάκτησης της τιµής κάποιας παραµέτρου αλλά και τη σχέση της µε τις γειτονικές τιµές. Έτσι µπορούµε να φανταστούµε κάποιο σχήµα ανάλογο του 4.1 µε τα διανύσµατα να αντιστοιχούν στις παραµέτρους. Επισηµαίνοµε ότι και στην παρούσα περίπτωση, ο πίνακας ανάλυσης παραµέτρων δεν εξαρτάται από τις µετρήσεις. 4.3 Ο Μοναδιαίος πίνακας συνδιακύμανσης Εάν εισάγουµε πιθανοθεωρητικούς όρους στο πρόβληµά µας, έχει νόηµα να συσχετίσουµε στατιστικά χαρακτηριστικά των µετρήσεων (παρατηρήσεων) µε εκείνα των προς ανάκτηση παραµέτρων. Με τον τρόπο αυτό µπορούµε να εκτιµήσουµε το πώς µεταφέρονται λάθη ή αβεβαιότητες στις τιµές των µετρήσεων στις τιµές των προς ανάκτηση παραµέτρων. Θυµίζουµε τα αναφερθέντα στο κεφάλαιο.3 σε ό,τι αφορά τον υπολογισµό του πίνακα συνδιακύµανσης : Όταν παράµετροι και δεδοµένα σχετίζονται µε γραµµικές σχέσεις της µορφής m = M + v, ο πίνακας συνδιακύµανσης των παραµέτρων παίρνει τη µορφή : [cov m] = M[cov ] M. Επιλύοντας ένα γραµµικό αντίστροφο πρόβληµα και χρησιµοποιώντας την έννοια του ψευδοαντίστροφου πίνακα, έχοµε µια σχέση της µορφής est g m = G και συνεπώς µπορούµε να εκφράσοµε τον πίνακα g g συνδιακύµανσης των παραµέτρων από τη σχέση [cov m] = G [cov ] G. Στην πραγµατικότητα «κανονικοποιούµε» τον πίνακα αυτό και ορίζοµε τον «µοναδιαίο πίνακα συνδιακύµανσης» διαιρώντας µε την διασπορά των µετρήσεων την οποία θεωρούµε ίση για όλες τις µετρήσεις µε σ και τις µετρήσεις ασυσχέτιστες µεταξύ τους. Έτσι προκύπτει η σχέση : [cov ] g [cov ] g g g = σ = m G G G G (4.4) που ορίζει τον µοναδιαίο πίνακα συνδιακύµανσης. Εάν οι µετρήσεις µας παρουσιάζουν συσχέτιση, µπορεί να οριστεί αντίστοιχα ένας µοναδιαίος πίνακας συνδιακύµανσης µετρήσεων (nit ata covariance matrix) [cov ] και να ορίσουµε τον µοναδιαίο πίνακα συνδιακύµανσης παραµέτρων από τη σχέση : 4

7 g g [cov m] = G [cov ] G (4.5) Ο µοναδιαίος πίνακας συνδιακύµανσης παραµέτρων, δεν εξαρτάται φυσικά από τις µετρήσεις αυτές καθ εαυτές αλλά µόνο από τον γενικευµένο αντίστροφο πίνακα και από τα στατιστικά χαρακτηριστικά των µετρήσεων. 4.4 Ανάλυση και συνδιακύμανση για ορισμένες περιπτώσεις γενικευμένων αντιστρόφων Θα δώσουµε τώρα τη µορφή των πινάκων ανάλυσης και συνδιακύµανσης για τις δύο βασικές λύσης του γραµµικού αντίστροφου προβλήµατος που είναι η των ελαχίστων τετραγώνων για προβλήµατα καθαρά υπερ-ορισµένα και ελαχίστου µήκους για προβλήµατα καθαρά υπο-ορισµένα. Θα υποθέσοµε για λόγους απλότητας ότι [cov ] = I Λύση ελαχίστων τετραγώνων : g G = G G G g N = GG = G G G G g R = G G = G G G G = I g g [cov m] = G G = G G G G G G = G G Λύση ελαχίστου µήκους g G = G GG g N = GG = GG GG = I g R = G G= G GG G ( ) g g [cov m] = G G = G GG GG G = G G G G Παρατηρούµε τη συµµετρία ανάµεσα στις δύο περιπτώσεις µε τη λύση ελαχίστων τετραγώνων να µας δίνει µοναδιαίο πίνακα ανάλυσης παραµέτρων ( η εκτίµηση των παραµέτρων γίνεται µε τέλεια ανάλυση αυτό δεν σηµαίνει πάντως ότι ανακτήθηκαν 43

8 µε ακρίβεια οι παράµετροι), ενώ η λύση ελαχίστου µήκους δίνει µοναδιαίο πίνακα ανάλυσης δεδοµένων. Ενδιάµεσες περιπτώσεις ασφαλώς θα δίδουν και ενδιάµεσους πίνακες ανάλυσης δεδοµένων και παραµέτρων. 4.5 Μετρήσεις ποιότητας της ανάλυσης και της συνδιακύμανσης. Έχοντας δώσει τους ορισµούς των πινάκων ανάλυσης και συνδιακύµανσης, έχει νόηµα να δούµε εάν µπορούµε να τους χαρακτηρίσουµε ως προς την ποιότητά τους σε σχέση µε αυτό που εκφράζουν. Ασφαλώς η ποιότητα θεωρείται άριστη όταν οι πίνακες είναι µοναδιαίοι. Κάθε απόκλιση από τους µοναδιαίους θεωρείται ότι εκφράζει µείωση της ποιότητας επίλυσης του αντιστρόφου προβλήµατος. Η ποιότητα λοιπόν εκφράζεται µέσω της διαφοράς των στοιχείων από τα αντίστοιχα στοιχεία του µοναδιαίου πίνακα και µας οδηγεί στον ορισµό του «εύρους» του πίνακα ανάλυσης δεδοµένων και µετρήσεων που εκφράζεται από την ευκλείδεια νόρµα : N N Nij Iij i= 1 j= 1 sprea( N) = N - I = [ ] (4.6) N N Rij Iij i= 1 j= 1 sprea( R) = R - I = [ ] (4.7) Επίσης ορίζεται το µέγεθος του µοναδιαίου πίνακα συνδιακύµανσης από τη σχέση M 1/ = = ii i= 1 [ ] size( cov m ) [var m] [cov m ] (4.8) η οποία δεν λαµβάνει υπ όψιν της τα στοιχεία εκτός διαγωνίου. 4.6 Μία εφαρμογή: Ανάκτηση της εξίσωσης ευθείας Ως εφαρµογή των ανωτέρω, ας δούµε ένα απλό παράδειγµα υπολογισµού της ποιότητας της ανάκτησης δεδοµένων και παραµέτρων όταν έχοµε ένα καθαρά υπερορισµένο πρόβληµα, όπως αυτό της ανάκτησης της εξίσωσης ευθείας από µετρήσεις. Θα υποθέσοµε ότι οι µετρήσεις έχουν ίση διασπορά και ότι είναι ασυσχέτιστες µεταξύ τους. Έστω ότι οι µετρήσεις γίνονται σε µια πρώτη περίπτωση στις τετµηµένες 1,,3 (Ν=3) και σε µία δεύτερη περίπτωση στις τετµηµένες 1,, 4 (Ν=3). Πρόκειται ουσιαστικά για δύο διαφορετικά πειράµατα για την εκτίµηση των δύο παραµέτρων που περιγράφουν την ευθεία και θα προσπαθήσοµε να δούµε ποιοτικές διαφορές µεταξύ τους, χωρίς να αναφερθούµε καθόλου σε µεγέθη µετρήσεων. 44

9 Το πρόβληµα είναι καθαρά υπερορισµένο και γνωρίζοµε ήδη ότι η λύση ελαχίστων τετραγώνων στη γενική περίπτωση είναι est N Σzi m = G G G = Σzi Σz i z1 z... z (4.9) N.. N Ο γενικευµένος αντίστροφος είναι g G = G G G (4.10) Εξειδικεύοντας τα παραπάνω στην περίπτωση των τριών µετρήσεων, έχοµε : και m G G G (4.11) est Σzi = = zi z i z1 z z Σ Σ g 1 Σzi Σz i G = G G G = 3 Σzi ( Σzi ) zi 3 z1 z z (4.1) Σ 3 Θα αναλύσουµε την πρώτη περίπτωση : Έχοµε : Σ zi =6, Σ =14, ( ) z i Σ =36, εποµένως z i G g = 6 = (4.13) Ο πίνακας ανάλυσης δεδοµένων είναι : g 1 N = GG = 1 6 = (4.14) και ο πίνακας ανάλυσης µετρήσεων : 45

10 g R = G G= 1 6 = = = I (4.15) 1 3 Από τον πίνακα ανάλυσης δεδοµένων, βλέποµε ότι η πρώτη και η τρίτη µέτρηση είναι πιο σηµαντικές αφού αυτές ουσιαστικά καθορίζουν το αποτέλεσµα. Από τον πίνακα ανάλυσης παραµέτρων βλέποµε ότι οι δύο άγνωστες παράµετροι ανακτώνται ανεξάρτητα η µία της άλλης. Υπολογίζοντας τον µοναδιαίο πίνακα συνδιακύµανσης έχοµε ότι / 6 1 [cov m ] = G G = = / (4.16) M 17 size( [ cov m] ) = [cov m ] = (4.17) 6 ii i= 1 Αναλύοντας την δεύτερη περίπτωση έχοµε αντίστοιχα : και Σ z i =7, Σ =1, ( ) z i Σ =49, εποµένως z i G g = 14 = (4.13) Ο πίνακας ανάλυσης δεδοµένων είναι : g 1 N = GG = = (4.14) και ο πίνακας ανάλυσης µετρήσεων : g R = G G= 1 14 = = = I (4.15) 1 4 Από τον πίνακα ανάλυσης δεδοµένων, βλέποµε ότι η πρώτη και η τρίτη µέτρηση είναι επίσης οι πιο σηµαντικές και ουσιαστικά καθορίζουν το αποτέλεσµα. Ωστόσο, σε σχέση µε την προηγούµενη περίπτωση, η τρίτη µέτρηση που είναι πιο αποµακρυσµένη από τις άλλες είναι πιο σηµαντική, αφού τώρα N 3,3 = 13 / 14> 5 / 6 46

11 ενώ τα άλλα δύο στοιχεία της 3 ης γραµµής του πίνακα είναι µικρότερα έναντι της προηγούµενης περίπτωσης. Από τον πίνακα ανάλυσης παραµέτρων βλέποµε ότι οι δύο άγνωστες παράµετροι ανακτώνται ανεξάρτητα η µία της άλλης όπως άλλωστε αναµενόταν. Υπολογίζοντας τον µοναδιαίο πίνακα συνδιακύµανσης έχοµε ότι και / 14 (7 /14) [cov m ] = G G = 14 = 7 3 (7 /14) 3 /14 (4.16) M 4 17 size( [ cov m] ) = [cov m ] = < (4.17) 14 6 ii i= 1 που σηµαίνει ουσιαστικά µικρότερο εύρος διακύµανσης των προς εκτίµηση παραµέτρων σε περίπτωση που υπάρχει κάποιο λάθος στις µετρήσεις. ηλαδή το λάθος στις µετρήσεις όταν οι µετρήσεις είναι σχετικά αποµακρυσµένες µεταξύ τους, δίνει µικρότερη πιθανή διακύµανση παραµέτρων υπολογισµού της ευθείας. Τα παραπάνω αποτυπώνονται σχηµατικά στο Σχήµα 4. όπου φαίνονται οι ακραίες ευθείες που µπορεί να σχεδιαστούν µε λύση ελαχίστων τετραγώνων, όταν οι µετρήσεις έχουν γίνει µε ίδια διασπορά αλλά σε τετµηµένες που στην µία περίπτωση είναι κοντά µεταξύ τους ενώ στην δεύτερη απέχουν περισσότερο. Η διασπορά των επαγόµενων παραµέτρων στην δεύτερη περίπτωση είναι αισθητά µικρότερη. Σχήµα 4.. Σχεδιασµός ευθείας µε βάση τρείς µετρήσεις που έχουν γίνει σε διαφορετικά σηµεία. Στην περίπτωση (α) οι µετρήσεις έγιναν σε κοντινά σηµεία και η διασπορά των παραµέτρων που ορίζουν τις ευθείες είναι µεγάλη, ενώ στην περίπτωση (b) η αντίστοιχη διασπορά είναι µικρή. 47

1.4 Λύσεις αντιστρόφων προβλημάτων.

1.4 Λύσεις αντιστρόφων προβλημάτων. .4 Λύσεις αντιστρόφων προβλημάτων. Ο τρόπος παρουσίασης της λύσης ενός αντίστροφου προβλήµατος µπορεί να διαφέρει ανάλογα µε τη «φιλοσοφία» επίλυσης που ακολουθείται και τη δυνατότητα παροχής πρόσθετης

Διαβάστε περισσότερα

3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ

3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΟΥ ΑΝΤΙΣΤΡΟΦΟΥ ΠΡΟΒΛΗΜΑΤΟΣ ΜΕ ΤΗ ΜΕΘΟΔΟ ΜΗΚΩΝ 3. Διαφορά μετρήσεων από εκτιμήσεις μετρήσεων. Όταν επιλύοµε ένα αντίστροφο πρόβληµα υπολογίζοµε ένα διάνυσµα παραµέτρων est m το οποίο αντιπροσωπεύει

Διαβάστε περισσότερα

3.6 Μεικτά ορισμένα προβλήματα. 2. Γράφοµε τις ανωτέρω σχέσεις για q= 1,... Mσε διανυσµατική µορφή : G λ (3.30)

3.6 Μεικτά ορισμένα προβλήματα. 2. Γράφοµε τις ανωτέρω σχέσεις για q= 1,... Mσε διανυσµατική µορφή : G λ (3.30) . Γράφοµε τις ανωτέρω σχέσεις για q=,... Mσε διανυσµατική µορφή : = G λ (3.30) 3. Επειδή ισχύει παράλληλα και d = G, αντικαθιστώντας το από την 3.30 στην αρχική εξίσωση παίρνοµε : d= G G λ / (3.3) 4. Εάν

Διαβάστε περισσότερα

7. ΜΗ ΓΡΑΜΜΙΚΑ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ

7. ΜΗ ΓΡΑΜΜΙΚΑ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 7. ΜΗ ΓΡΑΜΜΙΚΑ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 7. Παραμετροποίηση αντιστρόφων προβλημάτων Τα διακριτά αντίστροφα προβλήµατα όπως έχουµε δει αντιµετωπίζουν σχέσεις παραµέτρων ενός φυσικού προβλήµατος και µετρήσεις

Διαβάστε περισσότερα

' ' ' ' ' ' ' e G G G G. G M ' ' ' ' G '

' ' ' ' ' ' ' e G G G G. G M ' ' ' ' G ' µετασχηµατισµό τέτοιο ώστε επιδρώντας στο λάθος πρόβλεψης e, ( e = e) να οδηγεί σε ελαχιστοποίηση του E = e e όταν ελαχιστοποιείται το Ε, να µετασχηµατίζει τον πίνακα G στον πίνακα G που να έχει άνω τριγωνική

Διαβάστε περισσότερα

5. ΜΕΘΟΔΟΙ ΜΕΓΙΣΤΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ

5. ΜΕΘΟΔΟΙ ΜΕΓΙΣΤΗΣ ΠΙΘΑΝΟΦΑΝΕΙΑΣ 5. ΜΕΘΟΔΟΙ ΜΕΓΙΣΤΗΣ ΠΙΘΑΟΦΑΕΙΑΣ 5. Η συνάρτηση μέγιστης πιθανοφάνειας Έστω µία τυχαία µεταβλητή η οποία αντιπροσωπεύει την µέτρηση κάποιας συγκεκριµένης ποσότητας µε πραγµατική αλλά άγνωστη τιµή θ σε ένα

Διαβάστε περισσότερα

6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ

6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. ΔΙΑΝΥΣΜΑΤΙΚΟΙ ΧΩΡΟΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΠΡΟΒΛΗΜΑΤΑ 6. Διανυσματικοί χώροι παραμέτρων και μετρήσεων. Θα δανειστούµε για µία ακόµη φορά έννοιες της Γραµµικής Άλγεβρας προκειµένου να δούµε πως µπορούµε να χειριστούµε

Διαβάστε περισσότερα

ιακριτά Αντίστροφα Προβλήµατα

ιακριτά Αντίστροφα Προβλήµατα Πανεπιστήµιο Κρήτης Τµήµα Μαθηµατικών ιακριτά Αντίστροφα Προβλήµατα Σηµειώσεις του Μαθήµατος βασισµένες κυρίως στο Βιβλίο : Geophyscal Data Analyss : Dscrete Inverse heory του Wllam Menke Μιχάλης Ταρουδάκης

Διαβάστε περισσότερα

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες

Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες Ορισμός Στατιστική είναι το σύνολο των μεθόδων και θεωριών που εφαρμόζονται σε αριθμητικά δεδομένα προκειμένου να ληφθεί κάποια απόφαση σε συνθήκες αβεβαιότητας. Βασικές έννοιες Η μελέτη ενός πληθυσμού

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 5: ΣΥΣΤΗΜΑΤΑ ΠΟΛΛΩΝ ΣΩΜΑΤΩΝ

ΚΕΦΑΛΑΙΟ 5: ΣΥΣΤΗΜΑΤΑ ΠΟΛΛΩΝ ΣΩΜΑΤΩΝ ΚΕΦΑΛΑΙΟ 5: ΣΥΣΤΗΜΑΤΑ ΠΟΛΛΩΝ ΣΩΜΑΤΩΝ Στο κεφάλαιο αυτό θα ασχοληθούµε αρχικά µε ένα µεµονωµένο σύστηµα δύο σωµάτων στα οποία ασκούνται µόνο οι µεταξύ τους κεντρικές δυνάµεις, επιτρέποντας ωστόσο και την

Διαβάστε περισσότερα

2. Στοιχεία Πολυδιάστατων Κατανοµών

2. Στοιχεία Πολυδιάστατων Κατανοµών Στοιχεία Πολυδιάστατων Κατανοµών Είναι φανερό ότι έως τώρα η µελέτη µας επικεντρώνεται κάθε φορά σε πιθανότητες που αφορούν µία τυχαία µεταβλητή Σε αρκετές όµως περιπτώσεις ενδιαφερόµαστε να εξετάσουµε

Διαβάστε περισσότερα

ιακριτά Αντίστροφα Προβλήµατα

ιακριτά Αντίστροφα Προβλήµατα Πανεπιστήµιο Κρήτης Τµήµα Μαθηµατικών ιακριτά Αντίστροφα Προβλήµατα Σηµειώσεις του Μαθήµατος βασισµένες κυρίως στο Βιβλίο : Geophyscal Data Analyss : Dscrete Inverse Theory του Wllam Menke Μιχάλης Ταρουδάκης

Διαβάστε περισσότερα

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange 64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από

Διαβάστε περισσότερα

Β Γραφικές παραστάσεις - Πρώτο γράφημα Σχεδιάζοντας το μήκος της σανίδας συναρτήσει των φάσεων της σελήνης μπορείτε να δείτε αν υπάρχει κάποιος συσχετισμός μεταξύ των μεγεθών. Ο συνήθης τρόπος γραφικής

Διαβάστε περισσότερα

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------

----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ----------Εισαγωγή στη Χρήση του SPSS for Windows ------------- Σελίδα: 0------------ ΚΕΦΑΛΑΙΟ 9 ο 9.1 ηµιουργία µοντέλων πρόβλεψης 9.2 Απλή Γραµµική Παλινδρόµηση 9.3 Αναλυτικά για το ιάγραµµα ιασποράς

Διαβάστε περισσότερα

Συσχέτιση μεταξύ δύο συνόλων δεδομένων

Συσχέτιση μεταξύ δύο συνόλων δεδομένων Διαγράμματα διασποράς (scattergrams) Συσχέτιση μεταξύ δύο συνόλων δεδομένων Η οπτική απεικόνιση δύο συνόλων δεδομένων μπορεί να αποκαλύψει με παραστατικό τρόπο πιθανές τάσεις και μεταξύ τους συσχετίσεις,

Διαβάστε περισσότερα

Το θεώρηµα πεπλεγµένων συναρτήσεων

Το θεώρηµα πεπλεγµένων συναρτήσεων 57 Το θεώρηµα πεπλεγµένων συναρτήσεων Έστω F : D R R µια ( τουλάχιστον ) C συνάρτηση ορισµένη στο ανοικτό D x, y D F x, y = Ενδιαφερόµαστε για την ύπαρξη µοναδικής και ώστε διαφορίσιµης συνάρτησης f ορισµένης

Διαβάστε περισσότερα

2. Η τιµή της εκτιµήσεως της µεταβλητής στα σηµεία όπου υπάρχουν µετρήσεις να είναι η ίδια µε τη

2. Η τιµή της εκτιµήσεως της µεταβλητής στα σηµεία όπου υπάρχουν µετρήσεις να είναι η ίδια µε τη ΜΕΘΟ ΟΙ ΧΩΡΙΚΗΣ ΠΑΡΕΜΒΟΛΗΣ, ΒΕΛΤΙΣΤΗ ΠΑΡΕΜΒΟΛΗ ΠΡΟΧΩΡΗΜΕΝΕΣ ΓΕΩΣΤΑΤΙΣΤΙΚΕΣ ΜΕΘΟ ΟΙ Η παρεµβολή στο χώρο αποτελεί ένα σηµαντικό αντικείµενο µελέτης στη χαρτογραφία και σε όσους τοµείς της επιστήµης είναι

Διαβάστε περισσότερα

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13

ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7. ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 ΠΕΡΙΕΧΟΜΕΝΑ ΠΡΟΛΟΓΟΣ 7 ΚΕΦΑΛΑΙΟ 1: Εισαγωγικές Έννοιες 13 1.1. Εισαγωγή 13 1.2. Μοντέλο ή Υπόδειγμα 13 1.3. Η Ανάλυση Παλινδρόμησης 16 1.4. Το γραμμικό μοντέλο Παλινδρόμησης 17 1.5. Πρακτική χρησιμότητα

Διαβάστε περισσότερα

x 2 = x 2 1 + x 2 2. x 2 = u 2 + x 2 3 Χρησιµοποιώντας το συµβολισµό του ανάστροφου, αυτό γράφεται x 2 = x T x. = x T x.

x 2 = x 2 1 + x 2 2. x 2 = u 2 + x 2 3 Χρησιµοποιώντας το συµβολισµό του ανάστροφου, αυτό γράφεται x 2 = x T x. = x T x. Κεφάλαιο 4 Μήκη και ορθές γωνίες Μήκος διανύσµατος Στο επίπεδο, R 2, ϐρίσκουµε το µήκος ενός διανύσµατος x = (x 1, x 2 ) χρησιµοποιώντας το Πυθαγόρειο ϑεώρηµα : x 2 = x 2 1 + x 2 2. Στο χώρο R 3, εφαρµόζουµε

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο

ΚΕΦΑΛΑΙΟ 7. Ροπή και Στροφορµή Μέρος πρώτο ΚΕΦΑΛΑΙΟ 7 Ροπή και Στροφορµή Μέρος πρώτο Μέχρι εδώ εξετάσαµε την κίνηση ενός υλικού σηµείου υπό την επίδραση µιας δύναµης. Τα πράγµατα αλλάζουν δραµατικά αν αντί υλικού σηµείου έχοµε ένα στερεό σώµα.

Διαβάστε περισσότερα

Μεθοδολογίες παρεµβολής σε DTM.

Μεθοδολογίες παρεµβολής σε DTM. Μάθηµα : Αλγοριθµικές Βάσεις στη Γεωπληροφορική ιδάσκων : Συµεών Κατσουγιαννόπουλος Μεθοδολογίες παρεµβολής σε DTM.. Μέθοδοι παρεµβολής. Η παρεµβολή σε ψηφιακό µοντέλο εδάφους (DTM) είναι η διαδικασία

Διαβάστε περισσότερα

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών

ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών. ιαφόριση συναρτήσεων πολλών µεταβλητών 54 ΙΙ ιαφορικός Λογισµός πολλών µεταβλητών ιαφόριση συναρτήσεων πολλών µεταβλητών Ένας στέρεος ορισµός της παραγώγισης για συναρτήσεις πολλών µεταβλητών ανάλογος µε τον ορισµό για συναρτήσεις µιας µεταβλητής

Διαβάστε περισσότερα

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή. Η Αριθµητική Ανάλυση χρησιµοποιεί απλές αριθµητικές πράξεις για την επίλυση σύνθετων µαθηµατικών προβληµάτων. Τις περισσότερες φορές τα προβλήµατα αυτά είναι ή πολύ περίπλοκα ή δεν έχουν ακριβή αναλυτική

Διαβάστε περισσότερα

= 7. Στο σημείο αυτό θα υπενθυμίσουμε κάποιες βασικές ιδιότητες του μετασχηματισμού Laplace, δηλαδή τις

= 7. Στο σημείο αυτό θα υπενθυμίσουμε κάποιες βασικές ιδιότητες του μετασχηματισμού Laplace, δηλαδή τις 1. Εισαγωγή Δίνεται η συνάρτηση μεταφοράς = = 1 + 6 + 11 + 6 = + 6 + 11 + 6 =. 2 Στο σημείο αυτό θα υπενθυμίσουμε κάποιες βασικές ιδιότητες του μετασχηματισμού Laplace, δηλαδή τις L = 0 # και L $ % &'

Διαβάστε περισσότερα

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ

Παρουσίαση 1 ΙΑΝΥΣΜΑΤΑ Παρουσίαση ΙΑΝΥΣΜΑΤΑ Παρουσίαση η Κάθετες συνιστώσες διανύσµατος Παράδειγµα Θα αναλύσουµε το διάνυσµα v (, ) σε δύο κάθετες µεταξύ τους συνιστώσες από τις οποίες η µία να είναι παράλληλη στο α (3,) Πραγµατικά

Διαβάστε περισσότερα

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη

Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow

Διαβάστε περισσότερα

Κεφάλαιο 6 Παράγωγος

Κεφάλαιο 6 Παράγωγος Σελίδα από 5 Κεφάλαιο 6 Παράγωγος Στο κεφάλαιο αυτό στόχος µας είναι να συνδέσουµε µία συγκεκριµένη συνάρτηση f ( ) µε µία δεύτερη συνάρτηση f ( ), την οποία και θα ονοµάζουµε παράγωγο της f. Η τιµή της

Διαβάστε περισσότερα

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Μέση Τιµή. Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής. Μέση Τιµή Έστω Χ τ.µ. και f Χ (x) ησ.π. ήσ.π.π. της Χ Μέση ή αναµενόµενη τιµή της Χ είναι ο αριθµός: E( ) µ xf ( x) E( ) µ xf ( x) dx Παραδείγµατα: = = x = = αν η Χ είναι διακριτή, και αν η Χ είναι συνεχής.

Διαβάστε περισσότερα

5.1 Ιδιοτιµές και Ιδιοδιανύσµατα

5.1 Ιδιοτιµές και Ιδιοδιανύσµατα Κεφάλαιο 5 Ιδιοτιµές και Ιδιοδιανύσµατα 5 Ιδιοτιµές και Ιδιοδιανύσµατα Αν ο A είναι ένας n n πίνακας και το x είναι ένα διάνυσµα στον R n, τότε το Ax είναι και αυτό ένα διάνυσµα στον R n Συνήθως δεν υπάρχει

Διαβάστε περισσότερα

3.6 Ευθεία και Αντίστροφη υναµική

3.6 Ευθεία και Αντίστροφη υναµική 3.6 Ευθεία και Αντίστροφη υναµική Στη δυναµική µας απασχολούν δύο ειδών προβλήµατα, το ευθύ δυναµικό πρόβληµα και το αντίστροφο δυναµικό πρόβληµα. Το αντίστροφο πρόβληµα αφορά στον προσδιορισµό των ροπών

Διαβάστε περισσότερα

Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ)

Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ) Η ΤΕΧΝΗ ΤΟΥ ΙΑΒΑΣΜΑΤΟΣ ΜΕΤΑΞΥ ΤΩΝ ΑΡΙΘΜΩΝ (ΠΑΡΕΜΒΟΛΗ ΚΑΙ ΠΡΟΣΕΓΓΙΣΗ) ΜΙΧΑΛΗΣ ΤΖΟΥΜΑΣ ΕΣΠΟΤΑΤΟΥ 3 ΑΓΡΙΝΙΟ. ΠΕΡΙΛΗΨΗ Η έννοια της συνάρτησης είναι στενά συνυφασµένη µε τον πίνακα τιµών και τη γραφική παράσταση.

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ 3 Ο αλγόριθµος Gauss Eστω =,3,, µε τον όρο γραµµικά συστήµατα, εννοούµε συστήµατα εξισώσεων µε αγνώστους της µορφής: a x + + a x = b a x + + a x = b a

Διαβάστε περισσότερα

Στοχαστικά Σήµατα και Εφαρµογές

Στοχαστικά Σήµατα και Εφαρµογές Στοχαστικά Σήµατα & Εφαρµογές Ανασκόπηση Στοιχείων Γραµµικής Άλγεβρας ιδάσκων: Ν. Παπανδρέου (Π.. 407/80) Πανεπιστήµιο Πατρών ΤµήµαΜηχανικώνΗ/Υ και Πληροφορικής ιανύσµατα Ορίζουµετοδιάνυσµα µε Ν στοιχεία

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ

ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ ΚΕΦΑΛΑΙΟ 6 ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ 6. Βέλτιστες προσεγγίσεις σε ευκλείδειους χώρους Στο κεφάλαιο αυτό θα ασχοληθούµε µε προσεγγίσεις που ελαχιστοποιούν αποστάσεις σε διανυσµατικούς χώρους, µε νόρµα που προέρχεται

Διαβάστε περισσότερα

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το

Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το ΜΑΘΗΜΑ 9ο ΣΥΝΟΛΟΚΛΗΡΩΣΗ (Έννοιες, Ορισµοί) Είδαµε στο προηγούµενο κεφάλαιο ότι, όταν τα δεδοµένα που χρησιµοποιούνται σε ένα υπόδειγµα, δεν προέρχονται από στάσιµες χρονικές σειρές έχουµε το πρόβληµα της

Διαβάστε περισσότερα

p& i m p mi i m Με τη ίδια λογική όπως αυτή που αναπτύχθηκε προηγουµένως καταλήγουµε στην έκφραση της κινητικής ενέργειας του ρότορα i,

p& i m p mi i m Με τη ίδια λογική όπως αυτή που αναπτύχθηκε προηγουµένως καταλήγουµε στην έκφραση της κινητικής ενέργειας του ρότορα i, Κινητική Ενέργεια Κινητήρων Περνάµε τώρα στη συνεισφορά κινητικής ενέργειας λόγω της κίνησης & ϑ m του κινητήρα που κινεί την άρθρωση µε q& και, προφανώς όπως φαίνεται στο παρακάτω σχήµα, ευρίσκεται στον

Διαβάστε περισσότερα

Επίλυση Γραµµικών Συστηµάτων

Επίλυση Γραµµικών Συστηµάτων Κεφάλαιο 3 Επίλυση Γραµµικών Συστηµάτων 31 Εισαγωγή Αριθµητική λύση γενικών γραµµικών συστηµάτων n n A n n x n 1 b n 1, όπου a 11 a 12 a 1n a 21 a 22 a 2n A [a i j, x a n1 a n2 a nn x n, b b 1 b 2 b n

Διαβάστε περισσότερα

Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων

Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Δειγµατοληψία και Κβαντισµός: Μια εικόνα (µπορεί να) είναι συνεχής τόσο ως προς τις συντεταγµένες x, y όσο και ως προς το πλάτος. Για να τη µετατρέψουµε

Διαβάστε περισσότερα

Δυναµική των Ροµποτικών Βραχιόνων. Κ. Κυριακόπουλος

Δυναµική των Ροµποτικών Βραχιόνων. Κ. Κυριακόπουλος Δυναµική των Ροµποτικών Βραχιόνων Κ. Κυριακόπουλος Ροµποτική Αρχιτεκτονική: η Δυναµική Περιβάλλον u Ροµποτική Δυναµική q,!q Ροµποτική Κινηµατική Θέση, Προσανατολισµός και αλληλεπίδραση Η δυναµική ασχολείται

Διαβάστε περισσότερα

Y Y ... y nx1. nx1

Y Y ... y nx1. nx1 6 ΓΡΑΜΜΙΚΗ ΠΑΛΙΝΔΡΟΜΗΣΗ ΜΕ ΤΗ ΧΡΗΣΗ ΠΙΚΑΚΩΝ Η χρησιμοποίηση και ο συμβολισμός πινάκων απλοποιεί σημαντικά τα αποτελέσματα της γραμμικής παλινδρόμησης, ιδίως στην περίπτωση της πολλαπλής παλινδρόμησης Γενικά,

Διαβάστε περισσότερα

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017

Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 19/5/2017 Απλή Γραμμική Παλινδρόμηση και Συσχέτιση 2 Εισαγωγή Η ανάλυση παλινδρόμησης περιλαμβάνει το σύνολο των μεθόδων της στατιστικής που αναφέρονται σε ποσοτικές σχέσεις μεταξύ μεταβλητών Πρότυπα παλινδρόμησης

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4. ιατήρηση ορµής

ΚΕΦΑΛΑΙΟ 4. ιατήρηση ορµής ΚΕΦΑΛΑΙΟ 4 ιατήρηση ορµής Ας θεωρήσοµε δυο υλικά σηµεία και µε µάζες και αντιστοίχως που βρίσκονται την τυχούσα χρονική στιγµή στις αντίστοιχες διανυσµατικές ακτίνες και και έχουν αντίστοιχες ταχύτητες

Διαβάστε περισσότερα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα

Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Τμήμα Τεχνολόγων Γεωπόνων-Κατεύθυνση Αγροτικής Οικονομίας Εφαρμοσμένη Στατιστική Μάθημα 4 ο :Τυχαίες μεταβλητές Διδάσκουσα: Κοντογιάννη Αριστούλα Ορισμός τυχαίας μεταβλητής Τυχαία μεταβλητή λέγεται η συνάρτηση

Διαβάστε περισσότερα

[ ] και το διάνυσµα των συντελεστών:

[ ] και το διάνυσµα των συντελεστών: Μηχανική ΙΙ Τµήµα Ιωάννου-Απόστολάτου 8 Μαϊου 2001 Εσωτερικά γινόµενα διανυσµάτων µέτρο διανύσµατος- ορθογώνια διανύσµατα Έστω ένας διανυσµατικός χώρος V, στο πεδίο των µιγαδικών αριθµών Τα στοιχεία του

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ ΘΕΜΑ ο 2.5 µονάδες ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ Τελικές εξετάσεις 7 Ιανουαρίου 2005 ιάρκεια εξέτασης: 5:00-8:00 Έστω ότι

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 8. Ροπή και Στροφορµή Μέρος δεύτερο

ΚΕΦΑΛΑΙΟ 8. Ροπή και Στροφορµή Μέρος δεύτερο ΚΕΦΑΛΑΙΟ 8 Ροπή και Στροφορµή Μέρος δεύτερο Στο προηγούµενο Κεφάλαιο εξετάσαµε την περιστροφή στερεού σώµατος περί σταθερό άξονα. Εδώ θα εξετάσοµε την εξίσωση κίνησης στερεού σώµατος γενικώς. Πριν το κάνοµε

Διαβάστε περισσότερα

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ]

cov(x, Y ) = E[(X E[X]) (Y E[Y ])] cov(x, Y ) = E[X Y ] E[X] E[Y ] Πανεπιστήµιο Κρήτης - Τµήµα Επιστήµης Υπολογιστών ΗΥ-317: Εφαρµοσµένες Στοχαστικές ιαδικασίες-εαρινό Εξάµηνο 2016 ιδάσκων : Π. Τσακαλίδης Συνδιασπορά - Συσχέτιση Τυχαίων Μεταβλητών Επιµέλεια : Κωνσταντίνα

Διαβάστε περισσότερα

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ Ακαδ. Έτος 06-07 Διδάσκων: Βασίλης ΚΟΥΤΡΑΣ Επικ. Καθηγητής v.koutra@fme.aegea.gr Τηλ: 7035468 Θα μελετήσουμε

Διαβάστε περισσότερα

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η Έστω Κλίση και επιφάνειες στάθµης µιας συνάρτησης ανοικτό και σταθερά ( µε κ f ( ) ορίζει µια επιφάνεια S στον f : ) τότε η εξίσωση, ονοµάζεται συνήθως επιφάνεια στάθµης της f. εξίσωση, C συνάρτηση. Αν

Διαβάστε περισσότερα

Βασικές έννοιες θεωρίας πιθανοτήτων

Βασικές έννοιες θεωρίας πιθανοτήτων Βασικές έννοιες θεωρίας πιθανοτήτων Ορισµός πιθανότητας Έστω Ω το σύνολο των δυνατών αποτελεσµάτων ενός πειράµατος Συµβολίζουµε µε ω τα στοιχεία του Ω Ονοµάζουµε ενδεχόµενο (evet ένα υποσύνολο του Ω Για

Διαβάστε περισσότερα

(CLR, κεφάλαιο 32) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier

(CLR, κεφάλαιο 32) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier Ταχύς Μετασχηµατισµός Fourier CLR, κεφάλαιο 3 Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier Ταχύς Μετασχηµατισµός Fourier

Διαβάστε περισσότερα

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν

4. ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ. φ για την εφαρµογή της µεθόδου Galerkin δεν . ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ ΣΕ ΜΟΝΟ ΙΑΣΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ Η επιλογή των συναρτήσεων βάσης ( ) φ για την εφαρµογή της µεθόδου Galrkn δεν είναι τόσο απλή, και στην γενική περίπτωση είναι µία δύσκολη διαδικασία.

Διαβάστε περισσότερα

Κεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε

Κεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε Κεφάλαιο Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε. Εισαγωγή Η µέθοδος των πεπερασµένων διαφορών είναι από τις παλαιότερες και πλέον συνηθισµένες και διαδεδοµένες υπολογιστικές τεχνικές

Διαβάστε περισσότερα

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ.

Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ. 3.1 Συσχέτιση δύο τ.µ. Κεφάλαιο 3 ΣΥΣΧΕΤΙΣΗ ΚΑΙ ΠΑΛΙΝ ΡΟΜΗΣΗ Στα προηγούµενα κεφάλαια ορίσαµε και µελετήσαµε την τ.µ. µε τη ϐοήθεια της πιθανο- ϑεωρίας (κατανοµή, ϱοπές) και της στατιστικής (εκτίµηση, στατιστική υπόθεση). Σ

Διαβάστε περισσότερα

Μαθηµατικό Παράρτηµα 2 Εξισώσεις Διαφορών

Μαθηµατικό Παράρτηµα 2 Εξισώσεις Διαφορών Γιώργος Αλογοσκούφης, Δυναµική Μακροοικονοµική, Αθήνα 206 Μαθηµατικό Παράρτηµα 2 Εξισώσεις Διαφορών Στο παράρτηµα αυτό εξετάζουµε τις ιδιότητες και τους τρόπους επίλυσης εξισώσεων διαφορών. Oι εξισώσεις

Διαβάστε περισσότερα

Απλή Παλινδρόμηση και Συσχέτιση

Απλή Παλινδρόμηση και Συσχέτιση Απλή Παλινδρόμηση και Συσχέτιση Πωλήσεις, Δαπάνες Διαφήμισης και Αριθμός Πωλητών Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) Έτος Πωλήσεις (χιλ ) Διαφήμιση (χιλ ) Πωλητές (Άτομα) 98 050 6 3 989

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ( , c Ε. Γαλλόπουλος) ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. Ε. Γαλλόπουλος. ΤΜΗΥΠ Πανεπιστήµιο Πατρών. ιαφάνειες διαλέξεων 28/2/12

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ ( , c Ε. Γαλλόπουλος) ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ. Ε. Γαλλόπουλος. ΤΜΗΥΠ Πανεπιστήµιο Πατρών. ιαφάνειες διαλέξεων 28/2/12 ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ Ε. Γαλλόπουλος ΤΜΗΥΠ Πανεπιστήµιο Πατρών ιαφάνειες διαλέξεων 28/2/12 Μαθηµατική Οµάδα Οµάδα είναι ένα σύνολο F µαζί µε µία πράξη + : F F F έτσι ώστε (Α1) α + (β + γ) = (α + β) + γ για

Διαβάστε περισσότερα

Το πρόβλημα του φιλτραρίσματος είναι να υπολογιστεί η βέλτιστη εκτίμηση. μέχρι και τη χρονική στιγμή k. Η εκτίμηση είναι:

Το πρόβλημα του φιλτραρίσματος είναι να υπολογιστεί η βέλτιστη εκτίμηση. μέχρι και τη χρονική στιγμή k. Η εκτίμηση είναι: 1 2. ΦΙΛΤΡΟ KALMAN 2.1.ΧΡΟΝΙΚΑ ΜΕΤΑΒΑΛΛΟΜΕΝΟ ΦΙΛΤΡΟ KALMAN Το πρόβλημα του φιλτραρίσματος είναι να υπολογιστεί η βέλτιστη εκτίμηση (φιλτράρισμα) x( k / k ) της κατάστασης τη χρονική στιγμή δεδομένου του

Διαβάστε περισσότερα

Γραµµική Άλγεβρα. Εισαγωγικά. Μέθοδος Απαλοιφής του Gauss

Γραµµική Άλγεβρα. Εισαγωγικά. Μέθοδος Απαλοιφής του Gauss Γραµµική Άλγεβρα Εισαγωγικά Υπάρχουν δύο βασικά αριθµητικά προβλήµατα στη Γραµµική Άλγεβρα. Το πρώτο είναι η λύση γραµµικών συστηµάτων Aλγεβρικών εξισώσεων και το δεύτερο είναι η εύρεση των ιδιοτιµών και

Διαβάστε περισσότερα

Γραµµική Αλγεβρα. Ενότητα 1 : Εισαγωγή στη Γραµµική Αλγεβρα. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Γραµµική Αλγεβρα. Ενότητα 1 : Εισαγωγή στη Γραµµική Αλγεβρα. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Γραµµική Αλγεβρα Ενότητα 1 : Εισαγωγή στη Γραµµική Αλγεβρα Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

9. Παλινδρόμηση και Συσχέτιση

9. Παλινδρόμηση και Συσχέτιση 9. Παλινδρόμηση και Συσχέτιση Παλινδρόμηση και Συσχέτιση Υπάρχει σχέση ανάμεσα σε δύο ή περισσότερες μεταβλητές; Αν ναι, ποια είναι αυτή η σχέση; Πως μπορεί αυτή η σχέση να χρησιμοποιηθεί για να προβλέψουμε

Διαβάστε περισσότερα

Σηµειώσεις στις συναρτήσεις

Σηµειώσεις στις συναρτήσεις Σηµειώσεις στις συναρτήσεις 4 Η έννοια της συνάρτησης Ο όρος «συνάρτηση» χρησιµοποιείται αρκετά συχνά για να δηλώσει ότι ένα µέγεθος, µια κατάσταση κτλ εξαρτάται από κάτι άλλο Και στα µαθηµατικά ο όρος

Διαβάστε περισσότερα

ΣΥΝΤΕΤΑΓΜΕΝΕΣ ΙΑΝΥΣΜΑΤΟΣ

ΣΥΝΤΕΤΑΓΜΕΝΕΣ ΙΑΝΥΣΜΑΤΟΣ ΣΥΝΤΕΤΑΓΜΕΝΕΣ ΙΑΝΥΣΜΑΤΟΣ Άξονας Έστω η ευθεία x x (σχ. 21) και τα σηµεία Ο, Ι πάνω σ αυτή, ώστε ΟΙ= i όπου i το µοναδιαίο διάνυσµα, δηλαδή ένα διάνυσµα που θεωρούµε ότι η φορά του είναι θετική και το µέτρο

Διαβάστε περισσότερα

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ

ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΛΕΓΧΟΣ ΠΑΡΑΓΩΓΙΚΩΝ ΔΙΕΡΓΑΣΙΩΝ Ενότητα: Αναγνώριση Διεργασίας - Προσαρμοστικός Έλεγχος (Process Identification) Αλαφοδήμος Κωνσταντίνος

Διαβάστε περισσότερα

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων

Kεφάλαιο 4. Συστήµατα διαφορικών εξισώσεων 4 Εισαγωγή Kεφάλαιο 4 Συστήµατα διαφορικών εξισώσεων Εστω διανυσµατικό πεδίο F: : F=F( r), όπου r = ( x, ) και Fr είναι η ταχύτητα στο σηµείο r πχ ενός ρευστού στο επίπεδο Εστω ότι ψάχνουµε τις τροχιές

Διαβάστε περισσότερα

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1)

QR είναι ˆx τότε x ˆx. 10 ρ. Ποιά είναι η τιµή του ρ και γιατί (σύντοµη εξήγηση). P = [X. 0, X,..., X. (n 1), X. n] a(n + 1 : 1 : 1) ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΟΛΟΓΙΣΜΟΣ I (22 Σεπτεµβρίου) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ 1ο ΘΕΜΑ 1. Αφού ορίσετε ακριβώς τι σηµαίνει πίσω ευσταθής υπολογισµός, να εξηγήσετε αν ο υ- πολογισµός του εσωτερικού γινοµένου δύο διανυσµάτων

Διαβάστε περισσότερα

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές

Κ. Ι. ΠΑΠΑΧΡΗΣΤΟΥ. Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ. Ιδιότητες & Εφαρµογές Κ Ι ΠΑΠΑΧΡΗΣΤΟΥ Τοµέας Φυσικών Επιστηµών Σχολή Ναυτικών οκίµων ΟΡΙΖΟΥΣΕΣ Ιδιότητες & Εφαρµογές ΠΕΙΡΑΙΑΣ 2013 ΟΡΙΖΟΥΣΕΣ Έστω 2 2 πίνακας: a b A= c d Όπως γνωρίζουµε, η ορίζουσα του Α είναι ο αριθµός a

Διαβάστε περισσότερα

Μηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν

Μηχανική ΙI. Μετασχηµατισµοί Legendre. της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα). Εάν Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 7/5/2000 Μηχανική ΙI Μετασχηµατισµοί Legendre Έστω µια πραγµατική συνάρτηση. Ορίζουµε την παράγωγο συνάρτηση της : (η γραφική της παράσταση δίνεται στο ακόλουθο σχήµα).

Διαβάστε περισσότερα

Παράρτηµα 3 Μέθοδοι Διαχρονικής Βελτιστοποίησης

Παράρτηµα 3 Μέθοδοι Διαχρονικής Βελτιστοποίησης Γιώργος Αλογοσκούφης, Δυναµική Μακροοικονοµική, Αθήνα 2015 Παράρτηµα 3 Μέθοδοι Διαχρονικής Βελτιστοποίησης Η βελτιστοποίηση (optimization) σε δυναµικά οικονοµικά προβλήµατα, δηλαδή σε προβλήµατα στα οποία

Διαβάστε περισσότερα

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis)

Μέρος V. Ανάλυση Παλινδρόμηση (Regression Analysis) Μέρος V. Ανάλυση Παλινδρόμηση (Regresso Aalss) Βασικές έννοιες Απλή Γραμμική Παλινδρόμηση Πολλαπλή Παλινδρόμηση Εφαρμοσμένη Στατιστική Μέρος 5 ο - Κ. Μπλέκας () Βασικές έννοιες Έστω τ.μ. Χ,Υ όπου υπάρχει

Διαβάστε περισσότερα

Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση

Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση 8 Υπολογισµός διπλών ολοκληρωµάτων µε διαδοχική ολοκλήρωση Υπάρχουν δύο θεµελιώδη αποτελέσµατα που µας βοηθούν να υπολογίζουµε πολλαπλά ολοκληρώµατα Το πρώτο αποτέλεσµα σχετίζεται µε τον υπολογισµό ενός

Διαβάστε περισσότερα

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - 02/07/08) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ

ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - 02/07/08) ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ Ονοματεπώνυμο:......... Α.Μ....... Ετος... ΑΙΘΟΥΣΑ:....... I. (περί τις 55μ. = ++5++. Σωστό ή Λάθος: ΓΡΑΜΜΙΚΗ ΑΛΓΕΒΡΑ (Εξ. Ιουνίου - //8 ΕΠΙΛΕΓΜΕΝΕΣ ΑΠΑΝΤΗΣΕΙΣ (αʹ Αν AB = BA όπου A, B τετραγωνικά και

Διαβάστε περισσότερα

Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων

Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ Καθηγητής κ. Σ. Νατσιάβας Αριθμητικές μέθοδοι σε ταλαντώσεις μηχανολογικών συστημάτων Στοιχεία Φοιτητή Ονοματεπώνυμο: Νατσάκης Αναστάσιος Αριθμός Ειδικού Μητρώου:

Διαβάστε περισσότερα

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ

ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΘΕΩΡΙΑ ΟΙΚΟΝΟΜΕΤΡΙΑΣ ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΑΠΛΟ ΓΡΑΜΜΙΚΟ ΥΠΟΔΕΙΓΜΑ Συντελεστής συσχέτισης (εκτιμητής Person: r, Y ( ( Y Y xy ( ( Y Y x y, όπου r, Y (ισχυρή θετική γραμμική συσχέτιση όταν, ισχυρή αρνητική

Διαβάστε περισσότερα

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ

ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΚΑ Β ΓΥΜΝΑΣΙΟΥ. ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ 1. Τι καλείται μεταβλητή; ΕΡΩΤΗΣΕΙΣ ΘΕΩΡΙΑΣ ΜΑΘΗΜΑΤΙΑ Β ΓΥΜΝΑΣΙΟΥ ΜΕΡΟΣ 1ο ΑΛΓΕΒΡΑ Μεταβλητή είναι ένα γράμμα (π.χ., y, t, ) που το χρησιμοποιούμε για να παραστήσουμε ένα οποιοδήποτε στοιχείο ενός συνόλου..

Διαβάστε περισσότερα

Παρεµβολή και Προσέγγιση Συναρτήσεων

Παρεµβολή και Προσέγγιση Συναρτήσεων Κεφάλαιο 4 Παρεµβολή και Προσέγγιση Συναρτήσεων 41 Παρεµβολή µε πολυώνυµο Lagrage Εστω ότι γνωρίζουµε τις τιµές µιας συνάρτησης f (x), f 0, f 1,, f ν σε σηµεία x 0, x 1,, x ν, και Ϲητάµε να υπολογίσουµε

Διαβάστε περισσότερα

Συνεχείς συναρτήσεις πολλών µεταβλητών. ε > υπάρχει ( ) ( )

Συνεχείς συναρτήσεις πολλών µεταβλητών. ε > υπάρχει ( ) ( ) Συνεχείς συναρτήσεις πολλών µεταβλητών 7 Η Ευκλείδεια απόσταση που ορίσαµε στον R επιτρέπει ( εκτός από τον ορισµό των ορίων συναρτήσεων και ακολουθιών και τον ορισµό της συνέχειας συναρτήσεων της µορφής

Διαβάστε περισσότερα

5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο

5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο 5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο Ένα εναλλακτικό μοντέλο της απλής γραμμικής παλινδρόμησης (που χρησιμοποιήθηκε

Διαβάστε περισσότερα

Κατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram).

Κατανοµές. Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται από το σχήµα του ιστογράµµατος (histogram). Ιωάννης Παραβάντης Επίκουρος Καθηγητής Τµήµα ιεθνών και Ευρωπαϊκών Σπουδών Πανεπιστήµιο Πειραιώς Μάρτιος 2010 Κατανοµές 1. Οµοιόµορφη κατανοµή Η κατανοµή (distribution) µιας µεταβλητής (variable) φαίνεται

Διαβάστε περισσότερα

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης

Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης Τίτλος Μαθήματος: Γραμμική Άλγεβρα ΙΙ Ενότητα: Η Ορίζουσα Gram και οι Εφαρµογές της Διδάσκων: Καθηγητής Νικόλαος Μαρμαρίδης, Καθηγητής Ιωάννης Μπεληγιάννης Τμήμα: Μαθηματικών 65 11 Η Ορίζουσα Gram και

Διαβάστε περισσότερα

ΜΑΘΗΜΑΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ

ΜΑΘΗΜΑΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ ΕΦΑΡΜΟΓΕΣ ΜΕ ΤΟ EXCEL I K ΗΜΗΤΡΙΟΥ 17 1. Γράφηµα συνάρτησης µιας µεταβλητής ΜΑΘΗΜΑΤΙΚΕΣ ΕΦΑΡΜΟΓΕΣ Θα σχεδιάσοµε µε το Excel το γράφηµα της συνάρτησης y=sin(x), x [0,2π], για να επιδείξοµε γενικότερα τη

Διαβάστε περισσότερα

2.1 Έννοια του στοχαστικού σήµατος. Θεωρούµε ένα µονοδιάστατο γραµµικό δυναµικό σύστηµα που περιγράφεται από τις σχέσεις:

2.1 Έννοια του στοχαστικού σήµατος. Θεωρούµε ένα µονοδιάστατο γραµµικό δυναµικό σύστηµα που περιγράφεται από τις σχέσεις: Στοχαστικά σήµατα Έννοια του στοχαστικού σήµατος Θερούµε ένα µονοδιάστατο γραµµικό δυναµικό σύστηµα που περιγράφεται από τις σχέσεις: & α Γνρίζουµε µε απόλυτη βεβαιότητα (µε πιθανότητα ένα), ότι η αρχική

Διαβάστε περισσότερα

Επίλυση Συστήματος Γραμμικών Διαφορικών Εξισώσεων

Επίλυση Συστήματος Γραμμικών Διαφορικών Εξισώσεων Επίλυση Συστήματος Γραμμικών Διαφορικών Εξισώσεων. Γραμμικοί Μετασχηματισμοί Ανυσμάτων Θεωρούμε χώρο δύο διαστάσεων και συμβατικά ένα ορθογώνιο σύστημα αξόνων για την περιγραφή κάθε ανύσματος του χώρου

Διαβάστε περισσότερα

ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα

ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ 4. Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα Εστω R είναι ο γνωστός -διάστατος πραγµατικός διανυσµατικός χώρος. Μία απεικόνιση L :

Διαβάστε περισσότερα

Μάθηµα 3 ο b. Από Κοινού Κατανοµή Τυχαίων Μεταβλητών

Μάθηµα 3 ο b. Από Κοινού Κατανοµή Τυχαίων Μεταβλητών Μάθηµα 3 ο b Από Κοινού Κατανοµή Τυχαίων Μεταβλητών Έχουµε δύο, ή περισσότερες, τυχαίες µεταβλητές έστω Χ και Υ. Η σκπ των ζευγών ( x, y ) λέγεται από κοινού κατανοµή του ζεύγους ή του διανύσµατος ( X,Y

Διαβάστε περισσότερα

Σ 1 γράφεται ως. διάνυσµα στο Σ 2 γράφεται ως. Σ 2 y Σ 1

Σ 1 γράφεται ως. διάνυσµα στο Σ 2 γράφεται ως. Σ 2 y Σ 1 Στη συνέχεια θεωρούµε ένα τυχαίο διάνυσµα Σ 1 γράφεται ως, το οποίο στο σύστηµα Το ίδιο διάνυσµα µπορεί να γραφεί στο Σ 1 ως ένας άλλος συνδυασµός τριών γραµµικώς ανεξαρτήτων διανυσµάτων (τα οποία αποτελούν

Διαβάστε περισσότερα

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ

ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ ΕΛΕΓΧΟΙ ΠΡΟΣΑΡΜΟΓΗΣ & ΥΠΟΘΕΣΕΩΝ Μετά από την εκτίµηση των παραµέτρων ενός προσοµοιώµατος, πρέπει να ελέγχουµε την αλήθεια της υποθέσεως που κάναµε. Είναι ορθή η υπόθεση που κάναµε? Βεβαίως συνήθως υπάρχουν

Διαβάστε περισσότερα

ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση

ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση 44 ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση F : U R R. Για εµάς φυσικά µια τέτοια συνάρτηση θα θεωρείται ότι είναι τουλάχιστον συνεχής και συνήθως C και βέβαια

Διαβάστε περισσότερα

x(t) 2 = e 2 t = e 2t, t > 0

x(t) 2 = e 2 t = e 2t, t > 0 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Τµήµα Επιστήµης Υπολογιστών HY-215: Εφαρµοσµένα Μαθηµατικά για Μηχανικούς Εαρινό Εξάµηνο 216-17 ιδάσκοντες : Γ. Στυλιανού, Γ. Καφεντζής Λυµένες Ασκήσεις σε Σήµατα και Συστήµατα Ασκηση

Διαβάστε περισσότερα

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Τμήμα Πληροφορικής και Τηλεπικοινωνιών Πρόγραμμα Μεταπτυχιακών Σπουδών Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων» Αργυροπούλου Αιμιλία

Διαβάστε περισσότερα

HY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ

HY213. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ HY3. ΑΡΙΘΜΗΤΙΚΗ ΑΝΑΛΥΣΗ ΕΛΑΧΙΣΤΑ ΤΕΤΡΑΓΩΝΑ AΝΑΛΥΣΗ ΙΔΙΑΖΟΥΣΩΝ ΤΙΜΩΝ Π. ΤΣΟΜΠΑΝΟΠΟΥΛΟΥ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μέθοδος ελαχίστων τετραγώνων Τα σφάλματα

Διαβάστε περισσότερα

Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Γραµµική Αλγεβρα. Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων. Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Γραµµική Αλγεβρα Ενότητα 2 : Επίλυση Γραµµικών Εξισώσεων Ευστράτιος Γαλλόπουλος Τµήµα Μηχανικών Η/Υ & Πληροφορικής Αδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.

Διαβάστε περισσότερα

ιαφορική εντροπία Σεραφείµ Καραµπογιάς

ιαφορική εντροπία Σεραφείµ Καραµπογιάς ιαφορική εντροπία Σεραφείµ Καραµπογιάς Για πηγές διακριτού χρόνου µε συνεχές αλφάβητο, των οποίων οι έξοδοι είναι πραγµατικοί αριθµοί, ορίζεται µια άλλη ποσότητα που µοιάζει µε την εντροπία και καλείται

Διαβάστε περισσότερα

Μηχανική ΙI. Λαγκρανζιανή συνάρτηση. Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 3/2001

Μηχανική ΙI. Λαγκρανζιανή συνάρτηση. Τµήµα Π. Ιωάννου & Θ. Αποστολάτου 3/2001 Τµήµα Π Ιωάννου & Θ Αποστολάτου 3/2001 Μηχανική ΙI Λαγκρανζιανή συνάρτηση Είδαµε στο προηγούµενο κεφάλαιο ότι ο δυναµικός νόµος του Νεύτωνα είναι ισοδύναµος µε την απαίτηση η δράση ως το ολοκλήρωµα της

Διαβάστε περισσότερα

Κεφάλαιο 6. Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών και παραβολικών διαφορικών εξισώσεων

Κεφάλαιο 6. Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών και παραβολικών διαφορικών εξισώσεων Κεφάλαιο 6 Εισαγωγή στη µέθοδο πεπερασµένων όγκων επίλυση ελλειπτικών παραβολικών διαφορικών εξισώσεων 6.1 Εισαγωγή Η µέθοδος των πεπερασµένων όγκων είναι µία ευρέως διαδεδοµένη υπολογιστική µέθοδος επίλυσης

Διαβάστε περισσότερα

Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα

Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα Παραδείγματα Ιδιοτιμές Ιδιοδιανύσματα Παράδειγμα Να βρείτε τις ιδιοτιμές και τα αντίστοιχα ιδιοδιανύσματα του πίνακα A 4. Επίσης να προσδιοριστούν οι ιδιοχώροι και οι γεωμετρικές πολλαπλότητες των ιδιοτιμών.

Διαβάστε περισσότερα

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ

3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ 20 3. ΠΑΡΑΜΕΤΡΟΙ ΚΑΤΑΝΟΜΩΝ ΟΡΙΣΜΟΣ ΤΗΣ ΜΕΣΗΣ ΤΙΜΗΣ Μια πολύ σηµαντική έννοια στη θεωρία πιθανοτήτων και τη στατιστική είναι η έννοια της µαθηµατικής ελπίδας ή αναµενόµενης τιµής ή µέσης τιµής µιας τυχαίας

Διαβάστε περισσότερα

Κεφάλαιο 3β. Ελεύθερα Πρότυπα (µέρος β)

Κεφάλαιο 3β. Ελεύθερα Πρότυπα (µέρος β) Κεφάλαιο 3β Ελεύθερα Πρότυπα (µέρος β) Ο σκοπός µας εδώ είναι να αποδείξουµε το εξής σηµαντικό αποτέλεσµα. 3.3.6 Θεώρηµα Έστω R µια περιοχή κυρίων ιδεωδών, F ένα ελεύθερο R-πρότυπο τάξης s < και N F. Τότε

Διαβάστε περισσότερα

Απαντήσεις στα Θέµατα Ιουνίου 2012 (3 και 4)

Απαντήσεις στα Θέµατα Ιουνίου 2012 (3 και 4) -- Αριθµητική Ανάλυση και Περιβ. Υλοποίησης Απαντήσεις στα Θέµατα Ιουνίου (3 και 4) Θέµα 3 [6µ] Θεωρούµε ότι κατά την επίλυση ενός προβλήµατος προσέγγισης προέκυψε ένα γραµµικό σύστηµα Αxb, µε αγνώστους,

Διαβάστε περισσότερα